当你的外卖骑手同时也是AI训练师

那个为你送餐的人可能不仅仅是在递送食物——他们可能正在帮助训练下一代配送机器人。DoorDash启动了一项巧妙的计划，将其800万骑手网络转变为人工智能系统的移动数据采集员。

'Tasks'应用：不仅仅是送餐

该公司最近推出了一款名为"Tasks"的独立应用，允许骑手在值班期间赚取额外收入。但这些并非典型的送餐工作。骑手可以完成简单的数字任务，如拍摄街景、记录常见互动或记录步行路线。

"这就像有偿担任AI侦察兵，"一位要求匿名的骑手解释道，"我会拍摄棘手建筑入口的照片，或者记录我如何带着食物袋应对拥挤的电梯。"

为什么真实世界数据对机器人至关重要

对DoorDash而言，这不仅仅是让骑手在订单间隙保持忙碌。该公司面临着与所有AI开发者相同的挑战：获取足够高质量的真实世界训练数据。实验室模拟无法让机器人准备好应对城市街道和公寓楼的不可预测性。

这种方法的优势：

• 多样化环境： 骑手在各种环境中工作，从高层办公室到郊区死胡同
• 经济高效的扩展： 凭借全球数百万骑手，DoorDash无需专业设备即可收集海量数据集
• 边缘案例： 人类骑手自然遇到并解决的问题可能是工程师未曾预料到的

收集的数据直接流入DoorDash的AI实验室，用于训练该公司名为"Dot"的自主配送机器人。每张混乱建筑布局的照片或穿越拥挤人行道的视频都让这些机器变得更聪明一点。

机器人会取代人类骑手吗？

尽管自动化技术快速发展，行业分析师并不认为人类配送骑手会很快消失。"人类适应能力仍然无可替代，"机器人学教授Elena Martinez表示，"机器人或许能妥善处理90%的配送，但剩下的10%——比如应对上锁的大门或意外绕行——需要人类的判断力。"

DoorDash强调这一计划代表的是协作而非替代。骑手不仅赚取额外收入——他们还在帮助塑造未来可能与他们并肩工作的技术。

要点：

• 新收入来源： DoorDash的Tasks应用让骑手通过收集AI训练数据补充收入
• 现实世界优势： 人类骑手捕捉难以在实验室模拟的细微差别和边缘案例
• 机器人进化： 数据提升DoorDash的Dot配送机器人的视觉识别和导航能力
• 人类优势犹存： 复杂城市环境仍青睐人类解决问题的能力
• 角色转变： 配送人员正成为既送货又训练AI系统的混合型工作者